返回
Cell-type deconvolution methods for spatial transcriptomics
DOI:10.1038/s41576-025-00845-y.png)
摘要
En 中文
空间转录组学是一种研究细胞空间组织的高效方法,而空间组织是多细胞生命体发育、功能及进化中的关键特征。然而,基于测序的空间转录组学尚未达到细胞水平分辨率,因此需要先进的解卷积方法来推断数据中每个位置上的细胞类型贡献。近期进展已催生出多种细胞类型解卷积工具,这些工具正助力描述健康与疾病状态下的组织架构。在本综述中,我们描述了空间转录组学中各种类型的细胞类型解卷积方法,对比了它们的功能,并总结为基于网页的交互式表格,以实现更高效的方法选择。细胞类型解卷积方法常用于分析空间转录组数据以恢复细胞类型分布。在本综述中,作者描述了细胞类型解卷积的过程,对比了现有工具,并强调了选择工具时的重要考量因素。
期刊
IF:
52
论文数:
4.0K
被引数:
4.3W
机构
引用论文
STIE: Single-cell level deconvolution, convolution, and clustering in in situ capturing-based spatial transcriptomicsSTIE:基于原位捕获的空间转录组学中单细胞水平的解卷积、卷积和聚类
NATURE COMMUNICATIONS
IF15.7
Identifying temporal and spatial patterns of variation from multimodal data using MEFISTO使用MEFISTO从多模态数据中识别变化的时空模式
NATURE METHODS
IF32.1
Bulk tissue cell type deconvolution with multi-subject single-cell expression reference具有多受试者单细胞表达参考的大块组织细胞类型反卷积
NATURE COMMUNICATIONS
IF15.7
DSTG: deconvoluting spatial transcriptomics data through graph-based artificial intelligenceDSTG: 通过基于图形的人工智能对空间转录组数据进行反卷积
Starfysh integrates spatial transcriptomic and histologic data to reveal heterogeneous tumor-immune hubsStarfysh整合了空间转录组和组织学数据,以揭示异质性肿瘤免疫中心
NATURE BIOTECHNOLOGY
IF41.7
The scverse project provides a computational ecosystem for single-cell omics data analysisscverse项目为单细胞组学数据分析提供了一个计算生态系统
NATURE BIOTECHNOLOGY
IF41.7

